Python matplotlib绘图可视化知识点整理(小结)

概述无论你工作在什么项目上，IPython都是值得推荐的。利用ipython--pylab，可以进入PyLab模式，已经导入了matplotlib库与相关软件包（例如Numpy和Scipy)，额可以直接使用相关库的功能。

无论你工作在什么项目上，IPython都是值得推荐的。利用ipython --pylab，可以进入PyLab模式，已经导入了matplotlib库与相关软件包（例如Numpy和Scipy)，额可以直接使用相关库的功能。

本文作为学习过程中对matplotlib一些常用知识点的整理，方便查找。

这样IPython配置为使用你所指定的matplotlib GUI后端（TK/wxPython/PyQt/Mac OS X native/GTK)。对于大部分用户而言，默认的后端就已经够用了。Pylab模式还会向IPython引入一大堆模块和函数以提供一种更接近MATLAB的界面。

import matplotlib.pyplot as pltlabels='frogs','hogs','dogs','logs'sizes=15,20,45,10colors='yellowgreen','gold','lightskyblue','lightcoral'explode=0,0.1,0plt.pIE(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)plt.axis('equal')plt.show()

matplotlib图标正常显示中文

为了在图表中能够显示中文和负号等，需要下面一段设置：

import matplotlib.pyplot as pltplt.rcParams['Font.sas-serig']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

matplotlib inline和pylab inline

可以使用ipython --pylab打开ipython命名窗口。

%matplotlib inline #notebook模式下%pylab inline  #ipython模式下

这两个命令都可以在绘图时，将图片内嵌在交互窗口，而不是d出一个图片窗口，但是，有一个缺陷：除非将代码一次执行，否则，无法叠加绘图，因为在这两种模式下，是要有plt出现，图片会立马show出来，因此：

推荐在ipython notebook时使用，这样就能很方便的一次编辑完代码，绘图。

为项目设置matplotlib参数

在代码执行过程中，有两种方式更改参数：

使用参数字典(rcParams) 调用matplotlib.rc()命令通过传入关键字元祖，修改参数

如果不想每次使用matplotlib时都在代码部分进行配置，可以修改matplotlib的文件参数。可以用matplot.get_config()命令来找到当前用户的配置文件目录。

配置文件包括以下配置项：

axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
backend: 设置目标暑促TkAgg和GTKAgg
figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
Font: 字体集（Font family）、字体大小和样式设置
grID: 设置网格颜色和线性
legend: 设置图例和其中的文本的显示
line: 设置线条（颜色、线型、宽度等）和标记
patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、deBUG和deBUG-annoying。
xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。

线条相关属性标记设置

用来该表线条的属性

线条风格linestyle或ls	描述	线条风格linestyle或ls	描述
‘-‘	实线	‘:'	虚线
‘C'	破折线	‘None',' ‘,''	什么都不画
‘-.'	点划线

线条标记

标记maker	描述	标记	描述
‘o'	圆圈	‘.'	点
‘D'	菱形	‘s'	正方形
‘h'	六边形1	‘*'	星号
‘H'	六边形2	‘d'	小菱形
‘_'	水平线	‘v'	一角朝下的三角形
‘8'	八边形	‘<'	一角朝左的三角形
‘p'	五边形	‘>'	一角朝右的三角形
‘,'	像素	‘^'	一角朝上的三角形
‘+'	加号	‘\	‘	竖线
‘None','',' ‘	无	‘x'	X

颜色

可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。

别名	颜色	别名	颜色
b	蓝色	g	绿色
r	红色	y	黄色
c	青色	k	黑色
m	洋红色	w	白色

如果这两种颜色不够用，还可以通过两种其他方式来定义颜色值：

使用HTML十六进制字符串color='eeefff'使用合法的HTML颜色名字（'red','chartreuse'等）。 也可以传入一个归一化到[0,1]的RGB元祖。color=(0.3,0.3,0.4)

很多方法可以介绍颜色参数，如Title()。

plt.tilte('Title in a custom color',color='#123456'）

背景色

通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数，可以指定坐标这的背景色。

subplot(111,axisbg=(0.1843,0.3098,0.3098)

基础

如果你向plot()指令提供了一维的数组或列表，那么matplotlib将默认它是一系列的y值，并自动为你生成x的值。默认的x向量从0开始并且具有和y同样的长度，因此x的数据是[0,1,2,3].

确定坐标范围plt.axis([xmin,xmax,ymin,ymax])

上面例子里的axis()命令给定了坐标范围。

xlim(xmin,xmax)和ylim(ymin,ymax)来调整x,y坐标范围

%matplotlib inlineimport numpy as npimport matplotlib.pyplot as pltfrom pylab import *x = np.arange(-5.0,5.0,0.02)y1 = np.sin(x)plt.figure(1)plt.subplot(211)plt.plot(x,y1)plt.subplot(212)#设置x轴范围xlim(-2.5,2.5)#设置y轴范围ylim(-1,1)plt.plot(x,y1)

叠加图

用一条指令画多条不同格式的线。

import numpy as npimport matplotlib.pyplot as plt# evenly sampled time at 200ms intervalst = np.arange(0.,5.,0.2)# red dashes,blue squares and green trianglesplt.plot(t,t,'r--',t**2,'bs',t**3,'g^')plt.show()

plt.figure()

你可以多次使用figure命令来产生多个图，其中，图片号按顺序增加。这里，要注意一个概念当前图和当前坐标。所有绘图 *** 作仅对当前图和当前坐标有效。通常，你并不需要考虑这些事，下面的这个例子为大家演示这一细节。

import matplotlib.pyplot as pltplt.figure(1)        # 第一张图plt.subplot(211)       # 第一张图中的第一张子图plt.plot([1,3])plt.subplot(212)       # 第一张图中的第二张子图plt.plot([4,5,6])plt.figure(2)        # 第二张图plt.plot([4,6])      # 默认创建子图subplot(111)plt.figure(1)        # 切换到figure 1 ; 子图subplot(212)仍旧是当前图plt.subplot(211)       # 令子图subplot(211)成为figure1的当前图plt.Title('Easy as 1,3')  # 添加subplot 211 的标题

@H_143_403@

figure感觉就是给图像ID，之后可以索引定位到它。

plt.text()添加文字说明

text()可以在图中的任意位置添加文字，并支持LaTex语法

xlable(),ylable()用于添加x轴和y轴标签

Title()用于添加图的题目

import numpy as npimport matplotlib.pyplot as pltmu,sigma = 100,15x = mu + sigma * np.random.randn(10000)# 数据的直方图n,bins,patches = plt.hist(x,50,normed=1,facecolor='g',Alpha=0.75)plt.xlabel('Smarts')plt.ylabel('Probability')#添加标题plt.Title('Histogram of IQ')#添加文字plt.text(60,.025,r'$\mu=100,\ \sigma=15$')plt.axis([40,160,0.03])plt.grID(True)plt.show()

text中前两个参数感觉应该是文本出现的坐标位置。

plt.annotate()文本注释

在数据可视化的过程中，图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时，要考虑两个点的坐标：被注释的地方xy(x,y)和插入文本的地方xytext(x,y)。[^1]

import numpy as npimport matplotlib.pyplot as pltax = plt.subplot(111)t = np.arange(0.0,0.01)s = np.cos(2*np.pi*t)line,= plt.plot(t,s,lw=2)plt.annotate('local max',xy=(2,1),xytext=(3,1.5),arrowprops=dict(facecolor='black',shrink=0.05),)plt.ylim(-2,2)plt.show()

plt.xticks()/plt.yticks()设置轴记号

现在是明白干嘛用的了，就是人为设置坐标轴的刻度显示的值。

# 导入 matplotlib 的所有内容（nympy 可以用 np 这个名字来使用）from pylab import *# 创建一个 8 * 6 点（point）的图，并设置分辨率为 80figure(figsize=(8,6),dpi=80)# 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）subplot(1,1)X = np.linspace(-np.pi,np.pi,256,endpoint=True)C,S = np.cos(X),np.sin(X)# 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条plot(X,C,color="blue",linewidth=1.0,line)# 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条plot(X,S,color="r",lw=4.0,line)plt.axis([-4,4,-1.2,1.2])# 设置轴记号xticks([-np.pi,-np.pi/2,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'
ax = gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))
$',r'$+\pi/2$',r'$+\pi$'])yticks([-1,+1],[r'$-1$',r'$+1$'])# 在屏幕上显示show()

当我们设置记号的时候，我们可以同时设置记号的标签。注意这里使用了 LaTeX。[^2]

移动脊柱 坐标系

plot(X,linewidth=2.5,line,label="cosine")plot(X,color="red",label="sine")legend(loc='upper left')

这个地方确实没看懂，澹院笤偎蛋桑芯蹙褪且贫俗曛岬奈恢谩

plt.legend()添加图例

plt.style.use('ggplot')

matplotlib.pyplot

使用

# import necessary packagesimport pandas as pd%matplotlib inlineimport matplotlib.pyplot as pltplt.style.use('ggplot')from sklearn import datasetsfrom sklearn import linear_modelimport numpy as np# Load databoston = datasets.load_boston()yb = boston.target.reshape(-1,1)Xb = boston['data'][:,5].reshape(-1,1)# Plot dataplt.scatter(Xb,yb)plt.ylabel('value of house /1000 ($)')plt.xlabel('number of rooms')# Create linear regression objectregr = linear_model.linearRegression()# Train the model using the training setsregr.fit( Xb,yb)# Plot outputsplt.scatter(Xb,yb,color='black')plt.plot(Xb,regr.predict(Xb),color='blue',linewidth=3)plt.show()

命令，可以作出ggplot风格的图片。

t = 2*np.pi/3# 作一条垂直于x轴的线段，由数学知识可知，横坐标一致的两个点就在垂直于坐标轴的直线上了。这两个点是起始点。plot([t,t],[0,np.cos(t)],color ='blue',line)scatter([t,],[np.cos(t),color ='blue')annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',xy=(t,np.sin(t)),xycoords='data',xytext=(+10,+30),textcoords='offset points',Fontsize=16,arrowprops=dict(arrow,connection))plot([t,np.sin(t)],color ='red',[np.sin(t),color ='red')annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',np.cos(t)),xytext=(-90,-50),rad=.2"))

给特殊点做注释

好吧，又是注释，多个例子参考一下！

我们希望在 2π/32π/3 的位置给两条函数曲线加上一个注释。首先，我们在对应的函数图像位置上画一个点；然后，向横轴引一条垂线，以虚线标记；最后，写上标签。

plt.subplot(2,3,1)

plt.subplot()

plt.subplot(231)表示把图标分割成2*3的网格。也可以简写

import matplotlib.pyplot as pltimport numpy as np# create some data to use for the plotdt = 0.001t = np.arange(0.0,10.0,dt)r = np.exp(-t[:1000]/0.05)        # impulse responsex = np.random.randn(len(t))s = np.convolve(x,r)[:len(x)]*dt # colored noise# the main axes is subplot(111) by defaultplt.plot(t,s)plt.axis([0,1.1*np.amin(s),2*np.amax(s)])plt.xlabel('time (s)')plt.ylabel('current (nA)')plt.Title('Gaussian colored noise')# this is an inset axes over the main axesa = plt.axes([.65,.6,.2,.2],axisbg='y')n,patches = plt.hist(s,400,normed=1)plt.Title('Probability')plt.xticks([])plt.yticks([])# this is another inset axes over the main axesa = plt.axes([0.2,0.6,axisbg='y')plt.plot(t[:len(r)],r)plt.Title('Impulse response')plt.xlim(0,0.2)plt.xticks([])plt.yticks([])plt.show()

。其中，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号。

plt.axes()

我们先来看什么是figure和Axes对象。在matplotlib中，整个图像为一个figure对象。在figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下：

plt.axes-官方文档

axes() by itself creates a default full subplot(111) window axis. axes(rect,axisbg='w') where rect = [left,bottom,wIDth,height] in normalized (0,1) units. axisbg is the background color for the axis,default white. axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.

rect=[左,下,宽,高] 规定的矩形区域,rect矩形简写，这里的数值都是以figure大小为比例，因此，若是要两个axes并排显示，那么axes[2]的左=axes[1].左+axes[1].宽，这样axes[2]才不会和axes[1]重叠。

show code:

for name,hex in matplotlib.colors.cnames.iteritems():  print name,hex

pyplot.pIE参数

matplotlib.pyplot.pie

colors颜色

找出matpltlib.pyplot.plot中的colors可以取哪些值？

so-Named colors in matplotlib matplotlib学习之设置线条颜色、形状  plt.axis('equal')

打印颜色值和对应的RGB值。

避免比例压缩为椭圆

autopct

How do I use matplotlib autopct?

autopct enables you to display the percent value using Python string formatting. For example,if autopct='%.2f',then for each pIE wedge,the format string is '%.2f' and the numerical percent value for that wedge is pct,so the wedge label is set to the string '%.2f'%pct.
 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。

您可能感兴趣的文章:Python中matplotlib中文乱码解决办法解决Linux系统中python matplotlib画图的中文显示问题基于Linux系统中python matplotlib画图的中文显示问题的解决方法Python实现matplotlib显示中文的方法详解Python使用matplotlib绘图无法显示中文问题的解决方法python matplotlib中文显示参数设置解析Python实现正弦信号的时域波形和频谱图示例【基于matplotlib】Python使用matplotlib实现的图像读取、切割裁剪功能示例Python利用matplotlib.pyplot绘图时如何设置坐标轴刻度Python使用Matplotlib模块时坐标轴标题中文及各种特殊符号显示方法 总结

以上是内存溢出为你收集整理的Python matplotlib绘图可视化知识点整理(小结)全部内容，希望文章能够帮你解决Python matplotlib绘图可视化知识点整理(小结)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。